基于经验小波变换的多通道微弱电流信号噪声控制

多通道微弱电流信号受很多噪声因素的干扰,导致输出的微弱电流信号与原始信号之间的相对误差增加,控制效果变差,为此提出基于经验小波变换的多通道微弱电流信号噪声控制方法;采集多通道微弱电流信号,利用经验小波变换技术分解采集到的微弱电流信号,判断电流信号中是否存在噪声并确定噪声类型;设计微弱电流信号噪声控制器,根据电流信号中的噪声量与噪声类型生成控制指令,对不同通道微弱电流信号噪声进行控制;在两种不同噪声强度的实验环境下,该方法控制下的多通道微弱电流信号信噪比较高,输出信号与原始信号间的相对误差较低,控制任务完成时间更短;以此证明该方法的多通道微弱电流信号噪声控制效果更好,可以广泛应用至电流信号噪声控制领域。

基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。

基于经验小波变换的SOFC泄漏故障诊断

固体氧化物燃料电池(SOFC)电堆通常在700℃以上的高温下工作。电堆所用密封剂在高温下易退化失效,导致泄漏故障,引发电堆的热失控和损坏,影响系统运行稳定性。提出一种基于电堆温度和电压信号的经验小波变换(EWT)诊断方法。通过EWT分解温度和电压信号,得到多分辨率分析(MRA),分析其中故障特征明显的MRA信号,求出时域特征,通过设定的阈值判断是否发生泄漏。通过千瓦级电堆实验平台数据,验证EWT诊断方法可较好地检测电堆泄漏故障,且相较于电压信号,温度信号的诊断更迅速。与集合经验模态分解诊断方法相比,EWT方法可更快地诊断出泄漏故障。

结合经验小波变换与BP神经网络的GNSS-IR土壤湿度反演

全球导航卫星系统(global navigation satellite system,GNSS)接收机接收到的多路径信号可用于测量土壤湿度。针对目前全球卫星导航系统多径干涉遥感技术(global navigation satellite system interferometry and reflectometry,GNSS-IR)在土壤湿度反演领域精度较低的问题,实验利用美国板块边界观测(plate boundary observation,PBO)网的P040测站作为研究对象,选取该测站的2颗卫星PRN10和PRN14分别进行信噪比数据分析,将L2波段反射信号的延迟相位作为输入、PBO中H2O的土壤湿度值作为输出,建立基于经验小波变换神经网络(empirical wavelet transform-back propagation,EWT-BP)模型的土壤湿度反演模型,并对提出的土壤湿度反演方法进行精度评定。结果表明,EWT-BP模型反演的土壤湿度与实际土壤湿度之间具有较强相关性,其决定系数(R2)分别为0.820和0.844,相比传统低阶多项式拟合法,R2分别提高了21.66%和28.66%,该结果验证了EWT-BP模型能够有效提升GNSS-IR土壤湿度反演的精确度和可靠性。

基于经验小波变换和奇异值分解的冲击波降噪方法

针对爆炸场噪声源多、噪声特点各不相同的问题,提出基于经验小波变换(EWT)和奇异值分解(SVD)的冲击波降噪方法。该方法首先对冲击波信号进行指数拟合,用原始信号减去拟合后对应点的值,对上述信号使用EWT算法进行分解,随后对分解得到的分量采用SVD算法进行降噪重构,实现噪声的滤除。仿真及试验验证表明,基于EWT-SVD联合算法可有效抑制相位偏移,更好地还原出冲击波信号的超压峰值、上升沿时间,可用于冲击波信号的降噪。

小波变换及经验模式分解方法在电机轴承早期故障诊断中的应用

电机轴承早期故障的有效诊断是实现安全生产、避免大事故的技术前提。文中用高精度加速度传感器采集电机轴承振动信号,采用小波变换实现信噪分离,提取淹没在噪声背景中的早期故障特征信息,然后对提纯的信号进行经验模式分解(EMD)而得到若干个基本模态分量(IMF),再计算各基本模态分量的频谱。理论及试验研究结果表明:按此方法得到的各基本模态分量的频谱突显了轴承的故障特征信息,能有效诊断出轴承的早期故障。

基于改进经验小波变换的局部放电荧光信号去噪

由于现场环境的复杂性,局部放电(partial discharge,PD)检测伴随着大量噪声干扰,易出现PD漏报与误报现象,影响电力设备后续运维工作。文中采用荧光光纤PD检测法,提出了基于谱峭度和改进经验小波变换(empirical wavelet transform,EWT)的自适应PD荧光信号去噪算法。首先利用快速谱峭度图确定荧光信号傅里叶频谱的紧支撑区域边界,随后对含噪荧光信号进行EWT分解并获得荧光信号所在的有用信号分量,最后对有用信号分量采用小波阈值法去除残留噪声,得到去噪后的PD荧光信号。利用该方法对仿真荧光信号进行去噪分析,并将去噪结果与经验模态分解-小波变换(empirical mode decomposition-wavelet transform,EMD-WT)法和EWT法进行对比,结果表明,该方法在信噪比、均方根误差和归一化相关系数等指标方面都有所提升,证明了该方法具有良好的去噪效果。此外,实测信号的去噪结果表明,该方法的降噪率优于EMD-WT法和EWT法,具有较好的噪声抑制能力。

基于经验模态分解和小波变换声发射信号去噪

为了解决声发射信号去噪问题,在分析经验模态分解去噪和小波阈值去噪优缺点的基础上,提出将二者相结合的去噪方法,包括IMF-Wavelet方法,EMD-Wavelet方法和Wavelet-EMD方法.利用标准信号及断铅模拟声发射信号对所研究方法进行了去噪性能分析.结果表明:对于标准信号,Wavelet-EMD方法无论在高信噪比还是低信噪比情况下,都具有较稳定的去噪效果;小波阈值去噪对声发射信号去噪效果不理想,EMD-Wavelet和Wavelet-EMD方法对于声发射信号去噪效果较稳定.

基于SVMD-EWT的超声组织谐波成像算法研究

针对超声组织谐波成像中宽带射频回波信号的谐波分离问题,提出了一种基于逐次变分模态分解(SVMD)和经验小波变换(EWT)的信号滤波算法,简称SVMD-EWT。其对信号进行逐次变分模态分解,收集窄带模态的中心频率。结合经验小波变换中自适应频谱曲线局部极小值寻找方法对模态进行分类。将判定为基波成分与谐波成分相互混叠的模态的能量作为优化经验小波变换模态边界的参数,设计经验小波滤波器对超声射频回波信号做滤波处理。仿真和实验表明相比传统的人为给定截止频率的带通滤波器和将发射反相位信号得到的回波信号相加滤波的脉冲反转法,本文提出的方法具有更好的滤波性能和稳定性。带通滤波器和本文方法滤波后生成的乳腺肿瘤谐波B超图对比度分别为15.77 dB和20.78 dB。

小波变换中经验模态分解的基波检测及其在机械系统中的应用

针对Mallat算法中存在的频率混叠现象,提出一种应用小波变换和经验模态分解(Empirieal mode decomposition,EMD)检测基波的新方法。应用离散二进小波变换将谐波信号分解成不同频带的子带信号,并确定了最佳分解级数。对包含基频成分的子带信号进行单子带重构,再利用经验模态分解就能提取出基波,最后在时域上采用最小二乘法估计基频和幅值。多种方法的仿真比较和工程应用的效果表明,所提方法能有效地提取出基波,频率和幅值的测量具有很高的精度。

基于经验模态分解和Hilbert变换的QRS综合波检测算法

提出一种新的有效结合经验模态分解(EMD)和Hilbert变换的QRS综合波检测算法。采用EMD将心电信号分解成一系列内蕴模式分量(IMFs),舍去对应于高频噪声的IMF1和IMF2,舍去对应于低频噪声的最后两个IMFs和趋势项,能有效地抑制高频噪声和基线漂移。将降噪后的信号进行Hilbert变换,得到对应的解析函数,利用其包络,进一步抑制高大P波、T波等对QRS综合波检测的影响,采用自适应阈值进行QRS综合波检测。经MIT-BIH Arrhythmia Database全部数据检测验证,平均正确检测率可达到99.78%,表明本算法具有较高的正确检测率和良好的抗噪性能。

基于经验小波变换的鄱阳湖COD_(Mn)预测

高锰酸盐指数(COD_(Mn))是衡量水质状况的最重要参数之一,能反映水体受还原性物质污染的程度。结合经验小波变换(EWT)和双向长短期记忆(BLSTM)神经网络,提出了一种先利用EWT将原始的COD_(Mn)时间序列分解成若干成分,然后利用BLSTM神经网络对分解出来的每个成分进行预测,最后将所有成分的预测结果重建获得最终COD_(Mn)预测值的新的混合模型EWT-BLSTM;并以2017年8月—2020年4月鄱阳湖COD_(Mn)监测数据为研究对象,进行模型性能验证。结果表明:EWTBLSTM模型具有良好的预测性能,预测未来1 d以后的COD_(Mn)时,EWT-BLSTM模型的平均绝对百分比误差为2.25%,与单一BLSTM神经网络模型相比降低了10.53%;预测未来7 d以后的COD_(Mn)时,EWT-BLSTM模型的平均绝对百分比误差为8.36%,与单一BLSTM神经网络模型相比降低了16.16%。在COD_(Mn)峰值处,该模型依然保持较高稳定的预测性能,说明在数据相对复杂、极端的情况下,该模型依然适用。

基于集合经验模态分解和小波变换的轮轨力应变信号降噪

为解决轮轨力应变信号中的噪声干扰问题,提出了基于集合经验模态分解与小波变换相结合的去噪方法。该方法能够判断出含有基线漂移和高频噪声的模态分量。对含有基线漂移的分量通过小波变换进行分解,将代表基线漂移的趋势项置零达到去除基线漂移的目的。对于高频噪声,则是采用小波阈值法进行去除。实测轮轨力应变信号的去噪处理表明了该方法的有效性。

基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案

为快速检测及可靠识别直流配电网故障,提出一种基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案。通过最小二乘法非线性拟合故障电流局部的相频谱函数,基于此在一定的条件下修改经验小波函数的相频响应,使之尽可能与故障电流的局部相频特性相匹配;运用改进经验小波变换分解电流,计算细节分量c_(3)的模极大值,构造故障检测判据;设计一种权重自学习网络,依据数据对分类任务的重要性分配不同的权重,嵌套于多视角深度矩阵分解模型前端,运用改进多视角深度矩阵分解模型对电流分量c_(1)—c_(3)、极间电压u_(dc)这4个视角的数据进行故障特征提取,通过软分配层实现故障的分类。仿真测试结果表明,所提故障检测方案能够满足故障检测速动性、可靠性的要求,故障分类准确度高,为后续故障处理奠定了良好基础。

重力信号的小波变换与经验模态分解级联滤波方法

针对动基座重力测量,提出了处理重力信号的小波变换与经验模态分解级联方法.该方法采用DB4小波函数的强制阈值小波变换作为前端滤波器,将原始信号分解为12层,提取第7层作为中间结果,运用经验模态分解方法用作第二级滤波器,将输入分解为8个模态,提取残余分量和最大尺度的逼近模态作为级联滤波结果.对静态重力数据进行概率密度分析,给出了重力的统计特性以及测量结果的可信度.级联滤波结果与某航空重力系统处理结果对比表明:级联滤波方法能够在强噪声中提取出微弱的重力信号,并且由于引入前端滤波器减少了级联滤波器整体计算量,提高了重力测量的空间分辨率.

基于平稳小波变换和经验模态分解的钻井液连续波联合去噪方案

随钻测量系统中钻井液正脉冲的数据传输速率较低,通过分析正脉冲实测数据的信号特性,并根据连续压力波信号的产生和传输过程,建立了具有高数据传输速率的钻井液连续压力波信号的数学模型。由于井口连续波信号中有用信号较弱,且噪声的低频部分与有用信号混杂在一起,正脉冲的小波处理方法无法去除低频噪声。为提取微弱的连续波信号,首次将经验模态分解算法应用到钻井信号中,提出了一套基于平稳小波变换和经验模态分解的联合去噪方案,并设计出了详细的实现过程,该方案充分发挥了平稳小波的去噪优势和经验模态的分解优势,能够有效去除微弱连续波信号中混有的低频和高频噪声。通过仿真测试,发现该联合方案相对平稳小波具有更好的去噪效果和可靠性。

小波变换与EMD方法在高铁雨棚数据降噪处理中的适用性分析

针对高铁雨棚长期监测数据中的噪声处理问题,分析了典型高铁雨棚监测信号的噪声特性,在此基础上,采用小波变换和经验模态分解EMD(empirical mode decomposition)方法对雨棚实测风压、应力、振动等典型信号进行降噪处理和对比分析。研究结果表明这两种方法在降低监测数据噪声、提高信噪比方面的有效性,并且通过结合主成分分析PCA(principal component analysis)的综合评估进一步证实了EMD在振动类和应力类数据降噪中的优越性。研究为实际工程中降噪技术的选择和应用提供了理论支持。

基于非线性小波变换和经验模式分解的轴承故障特征提取

针对滚动轴承等复杂零部件振动信号故障特征难于提取的特点,采集4组变速器轴承振动信号,构造基于第二代小波变换的非线性小波变换对振动信号进行自适应预处理,有效地去除了振动信号中的噪声,抑制了经验模式分解过程中的模态混叠。将预处理后的信号进行经验模式分解,获得了一系列瞬时频率且具有物理意义的本征模函数,对每个本征模函数进行Hilbert变换,得到了振动信号的Hilbert边际谱,提取出了信号能量随瞬时频率变化的特征。

基于经验小波变换的畸变信号电量计量研究

随着非线性负荷大量接入电网,电网信号畸变严重,传统电量计量方法暴露出诸多问题。针对电网非平稳畸变信号的电量计量,提出一种基于经验小波变换的电量计量方法,能很大程度规避经验模态分解的模态混叠现象。构造电网典型稳态和时变电压、电流波形,利用经验小波变换分解、重构基波分量和畸变分量,计算畸变信号功率,并与经验模态分解、小波变换对比,经验小波变换自适应能力强、谐波分解准确、畸变信号还原度高、功率计量相对误差小,在电能测量领域有显著优势。

经验模态分解和小波变换的连续血压测量

为了解决经验模态分解对容积脉搏波滤波效果不佳、建立准确的血压计算模型。利用经验模态分解和db5小波变换对容积脉搏波滤波后,对支持向量机识别出的不同加速脉搏波采用不同的方法提取特征点来计算脉搏波的传导时间,分别建立血压与脉搏波传导时间的血压计算模型。实验仿真证明容积脉搏波信号经经验模态分解和db5小波变换滤波后,噪声得到了有效的去除,建立的血压模型与水银血压计测出的血压值之间的误差,优于AAMI的推荐标准。提高了提取脉搏波传导时间的准确性,建立的血压计算模型更加可行准确。